Hallo,
Ich muss mit G power eine Fallzahlplanung für meine Studie machen. Als statistischen Test rechne ich eine "linear multiple regression: Fixed model, r2 increase", da ich eine Interaktion untersuche. Für die Effektgröße richtet man sich ja bekanntlich nach vorhandener Literatur. Es gibt jedoch nur eine Studie, welche diese Interaktion gerechnet hat. Das einzige was die Studie diesbezüglich angibt ist jedoch nur:
"To examine interaction effects, multiple regressions were conducted for each composite personality trait, with the mean- centered trait, BCM score, and trait BCM interaction term entered into a model predicting discounting rates. As expected, cognitive ability interacted significantly with extraversion in predicting discounting behavior, b = .20, t(93) = 1.98, p < .05. For the main effects, R2 change = .07, F(2, 94) = 3.75, p < .05; for the interaction term, R2 change = .04, F(1, 93) = 3.93, p < .05."
Nun brauche ich ja ein f quadrat, um die Fallzahl berechnen zu können. Gibt es eine möglichkeit, wie ich dieses aus den genannten Informationen errechnen kann? Vielen Dank schon mal im Voraus!
G Power
-
- Beiträge: 2739
- Registriert: 01.02.2018, 10:45
Re: G Power
Hallo,
kannst du nicht wenn du bei gPower auf "determine" klicks
direkt ein R2 eingeben...
des weiteren empfehe ich:
https://www.psychologie.hhu.de/fileadmi ... Manual.pdf
gruß
dutchie
kannst du nicht wenn du bei gPower auf "determine" klicks
direkt ein R2 eingeben...
des weiteren empfehe ich:
https://www.psychologie.hhu.de/fileadmi ... Manual.pdf
gruß
dutchie
-
- Beiträge: 2
- Registriert: 17.04.2023, 18:40
Re: G Power
Hallo Dutchie,
danke für die Antwort!
Genau, hier braucht man aber ein partielles r2. Die Studie unten gibt aber nur ein r2 change an...damit funktioniert es nicht, oder?
danke für die Antwort!
Genau, hier braucht man aber ein partielles r2. Die Studie unten gibt aber nur ein r2 change an...damit funktioniert es nicht, oder?
-
- Beiträge: 2739
- Registriert: 01.02.2018, 10:45
Re: G Power
Hallo
ok, partiell, stimmt...
ich hab im Manual mal nachgelesen..
mir stellt sich das so dar:
modell
Y = a +b*X1+c*X2+d*X1*X2
erstmal es ist egal, ob der dritte Predictor eine Interaktion ist oder noch ein X3.
X1 und X2 alleine klären Ry.x1x2 = .07 auf
plus Interaktion
Ry.X1X2X1*X2 = .07 + .04 = .11
damit ist die Residualvarianz 1 - .11 =.88
und die Varianz durch den Effekt =.04
gruß
dutchie
ok, partiell, stimmt...
ich hab im Manual mal nachgelesen..
mir stellt sich das so dar:
modell
Y = a +b*X1+c*X2+d*X1*X2
erstmal es ist egal, ob der dritte Predictor eine Interaktion ist oder noch ein X3.
X1 und X2 alleine klären Ry.x1x2 = .07 auf
plus Interaktion
Ry.X1X2X1*X2 = .07 + .04 = .11
damit ist die Residualvarianz 1 - .11 =.88
und die Varianz durch den Effekt =.04
gruß
dutchie